基于四种季节属性HWT模型的电力需求预测

= L (t ) α d ( t ) − (T ( t − 1) + S1 ( t − s1 ) + S2 ( t − s2 ) + S3 ( t − s3 ) ) + (1 − α ) ( L ( t − 1) + T ( t − 1) ) T = (t ) β L ( t ) − ( L ( t − 1) + T ( t − 1) ) + (1 − β ) T ( t − 1) = S1 (t ) γ d ( t ) − ( L ( t − 1) + T ( t − 1) + S2 ( t − s2 ) + S3 ( t − s3 ) ) + (1 − γ ) S1 ( t − s1 ) S2 = (t ) λ d ( t ) − ( L ( t − 1) + T ( t − 1) + S1 ( t − s1 ) + S3 ( t − s3 ) ) + (1 − λ ) S2 ( t − s2 )
其中，L 是平均级电力需求，T 是电力需求趋势，S1、S2、S3 分别是日模式、周模式和年模式的时间属性
ˆ ( t , k ) 是在时刻 t 的第 k 步提前预测。同时，忽略所有每年模式的相关项，则可得到双季节 HWT 需求， d
指数平滑模型。
项，s1、s2 和 s3 的定义类似于原始模型，α、β、γ、λ 和 δ 是相应的平滑参数。d(t)是在时刻 t 的真实电力
Open Access
1. 引言
在电力工业系统中，电是通过电厂产生，然后通过电网输送和分配给负载终端[1]。由于电力不能 有效地储存，电力系统的稳定性要求电力产生和消耗之间始终保持功率平衡。因此，准确的提前需求 预测对生产者和消费者都十分重要。通过准确的电力需求预测，发电厂可以更有效地安排发电量以减 少损耗；电力消耗终端也可以从实时调度中获益，社会效益将得到最大化[2]。此外，准确的电力需求 预测也将有助于系统安全评估、网格自动控制和维护[3] [4]。需求预测方法可分为基于参数的方法和 基于人工智能的方法。 前者将模型描述为一组数学函数， 其中参数的选择直接影响数学模型的准确性， 而基于人工智能的方法利用如神经网络等模型中的非线性函数逼近和预测能力。近年来，在电力需求 建模和预测方面取得了广泛的成果： 如基于参数的模型[5] [6] [7]， 基于人工智能的模型[8] [9] [10] [11] 等。Holt Winters Taylor (HWT)指数平滑模型[5] [6]和自回归滑动平均模型(ARMA) [5] [7]是两种有效 的基于参数的方法，其主要优点在于处理具有规律的时间序列的预测上能发挥优良性能。另一方面， 人工神经网络(ANN) [8] [9]，径向基函数网络(RBFN) [10] [11]和专家系统[12] [13]等基于人工智能的 方法也得到了广泛的使用。此外，卡尔曼滤波[14]和小波变换技术[15]也被广泛应用于这一领域。以上 列举的各种方法都有自己的特点，如模糊逻辑专家系统依赖于专家经验提取的大量规则，因此操作者 的经验不一致和不可靠。对于上述所有方法，基于三种时间属性的 HWT 指数平滑模型在短期电力负 荷预测方面都优于所有其他需求预测模型[5]。一般说来，对于城市级电力需求预测这种波动较小规律 性较强的时间序列预测问题，基于参数的预测方法的预测精度更高。因此 HWT 预测算法和 ARMA 预 测模型等方法也得到更多的关注。目前可见的基于参数的预测方法都采用了日、周和年这三个周期时 间属性。 我们发现，月周期也能够被利用在电力需求的时间序列预测中，因为电力需求的波动有一定的月周 期属性，这主要是由能源市场的独特性所决定。通常大的电力消费者如冶炼厂等会与发电厂以月为单位 签订 Take-or-Pay (TOP)协议，根据该协议，在一个月内不管消费者能否用完月额度，消费者都需要付整 个月额度的钱，从而避免浪费，所以在月底的时候冶炼厂等消费者会加班加点生产下一月度的计划，用 完整个月的电力消费额度。所以在月底的时候电力消费要明显高于月初的时候，这就说明了电力需求波 动会有一定的月周期属性。在电力预测方面，需要我们去利用这一周期属性。虽然道理很简单，但是已 有的文献中都没有从这个方面进行考虑。 本文提出了一种基于四种时间周期属性的电力需求预测自适应 Holt Winters Taylor 指数平滑算法， 四种时间周期属性包括日、周、月、年四种。通过新加坡电力需求历史数据的仿真得知，我们本文提 出的预测算法能够更加精确的预测未来短期电力需求，可以证明基于四种时间周期属性的方法要优于
DOI: 10.12677/sg.2018.86060 548 智能电网
吴文贤
前面文献中提到的方法。本文所提出的指数平滑方法可以在其它的预测领域得到应用，比如企业准确 的现金流预测[16]等。 本文主要的贡献在于通过额外的一个月周期属性建立了新的数平滑模型
摘
要
基于日、周和年三种时间属性的滑动平均模型预测方法已经在电力需求短期预测方面得到了广泛应用。 在本文中，我们研究了一种新的短期电力需求的模型和预测方法，即在日、周和年时间属性的基础上增 加了一个月周期，并将这种新的周期应用到HWT模型中得到基于四种时间周期属性的预测算法，通过新
文章引用: 吴文贤. 基于四种季节属性 HWT 模型的电力需求预测[J]. 智能电网, 2018, 8(6): 547-554. DOI: 10.12677/sg.2018.86060
平均级电力需求 L，需求趋势 T 和时间属性项 S1、S2、S3，都是由历史电力需求数据估计而来，同 时根据过去四年采集的数据来利用标准基因算法(GA) [19] [20]估算最优平滑参数 α、β、γ、λ 和 δ。本文 中，我们利用提出的改进 GA 算法来确定最优或者次优参数集 α、β、γ、λ 和 δ。GA 算法是由 Holland 提 出的一种随机搜寻方法，这种方法可以模仿基于达尔文的“适者生存”原则的生物系统的发展过程，并 相对于其他仿生优化算法， 该算法是应用最广泛的算法之一。 GA 算法是一种基于群体的自适应搜索技术， 当搜索空间足够大时，它是极其有效的。
吴文贤
加坡市场电力需求预测模型仿真得知，新的包含月周期的预测方法准确性更高。
关键词
电力需求预测，HWT指数平滑模型，四种季节属性
Copyright © 2018 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
Seasonality methods have been developed to model the intraday, intraweek and intrayear seasonal cycles of the electricity load data in one-day ahead electricity demand forecasting. In this paper, we investigate the short-term modeling and forecasting of electricity demand where an intramonth cycle has also been discovered. Thus based on the intramonth cycle, a new mathematical modeling scheme is developed for HWT exponential smoothing model to accommodate the intramonth seasonal cycle and by using six years of Singapore data. We show that fourfold seasonal method outperforms the triple seasonal method in Singapore.
HWT 指数平滑模型由 Brown, R.G.和 Holt, C.C.首先提出， 用于描述季节性时间序列的趋势[17] [18]， 然后由 J.W. Taylor 进一步扩展到双季节性模式[6]。 该模型良好的鲁棒性和预测的高精度使得其在季节时 间预测方面得到了广泛的应用。由于有白天和夜晚、工作日和周末、夏天和冬天的区别，日模式、周模 式和年模式的电力需求各有不同，周期属性在 HWT 指数平滑模型中通常被当做一个时间属性的模式参 考。标准三种时间属性的 HWT 指数平滑模型可以描述为
Smart Grid 智能电网, 2018, 8(6), 547-554 Published Online December 2018 in Hans. /journal/sg https:///10.12677/sg.2018.86060
Electricity Demand Forecasting Using HWT Model with Four-Fold Seasonality
Wenxian Wu
Zhejiang Textile and Fashion College, Ningbo Zhejiang
th th th
Received: Nov. 13 , 2018; accepted: Nov. 28 , 2018; published: Dec. 5 , 2018
Abstract
3. 四种季节 HWT 指数平滑模型
新加坡国家能源市场中，每月花费超过 500 新币的非家用消费者可选择成为电力自由消费者，他们 可以和任意电力零售商以协议价格签署电力供应合同。通常情况下，消费者和零售商签订的合同是 Take-or-pay (TOP)合同，这种合同是一种买卖双方签订的书面协议，要求无论买方是否用完了一个月的 配额，买方依旧按月满配额结算，按时付款。因此为了减少浪费，消费者将在每个月底消费使用更多的 电。图 1 显示了平均每日耗电量，具有以下特性： 1) 每月底的电力消费量大于每月前十天的电力消费量； 2) 每月的最后一天的电力消费量最低。